lm備選方案的估計不正確

Question

Dirk Eddelbuettel提供了使用lm命令估計線性回歸的替代方法。 請參閱： http ： //dirk.eddelbuettel.com/blog/2011/07/05/

但是，他提到：

“嚴格來說，它是我們唯一可以與lm.fit（）進行比較的，它也使用了一個旋轉方案。在退化模型矩陣的情況下，所有其他方法，包括四種最快的方法，都容易產生不正確的估計。“

有人可以通過提供一個例子來說明這一點，當估計值對於lm是正確的，而不是替代方法嗎？

Answer 1

安裝RcppArmadillo或RcppEigen並查看help(fastLm) ：

   ## case where fastLm breaks down
   dd <- data.frame(f1 = gl(4, 6, labels = LETTERS[1:4]),
                    f2 = gl(3, 2, labels = letters[1:3]))[-(7:8), ]
   xtabs(~ f2 + f1, dd)     # one missing cell
   mm <- model.matrix(~ f1 * f2, dd)
   kappa(mm)                # large, indicating rank deficiency
   set.seed(1)
   dd$y <- mm %*% seq_len(ncol(mm)) + rnorm(nrow(mm), sd = 0.1)
   summary(lm(y ~ f1 * f2, dd))     # detects rank deficiency
   summary(fastLm(y ~ f1 * f2, dd)) # some huge coefficients

我們將這個例子歸功於Doug Bates。